Python 创建Spark数据帧。无法推断类型的架构:<;类型';浮动'&燃气轮机;
有人能帮我解决Spark DataFrame的这个问题吗 当我执行Python 创建Spark数据帧。无法推断类型的架构:<;类型';浮动'&燃气轮机;,python,apache-spark,dataframe,pyspark,apache-spark-sql,Python,Apache Spark,Dataframe,Pyspark,Apache Spark Sql,有人能帮我解决Spark DataFrame的这个问题吗 当我执行myFloatRDD.toDF()时,我得到一个错误: TypeError:无法推断类型“float”的架构 我不明白为什么 例如: myFloatRdd = sc.parallelize([1.0,2.0,3.0]) df = myFloatRdd.toDF() 感谢SparkSession。在引擎盖下使用的createDataFrame,需要一个RDD/列表行/元组/列表/dict*或熊猫。DataFrame,除非提供了带有
myFloatRDD.toDF()
时,我得到一个错误:
TypeError:无法推断类型“float”的架构
我不明白为什么
例如:
myFloatRdd = sc.parallelize([1.0,2.0,3.0])
df = myFloatRdd.toDF()
感谢SparkSession。在引擎盖下使用的createDataFrame,需要一个
RDD
/列表
行/元组
/列表
/dict
*或熊猫。DataFrame
,除非提供了带有数据类型
的架构。尝试将float转换为元组,如下所示:
myFloatRdd.map(lambda x: (x, )).toDF()
或者更好:
from pyspark.sql import Row
row = Row("val") # Or some other column name
myFloatRdd.map(row).toDF()
要从标量列表创建DataFrame
,您必须直接使用SparkSession.createDataFrame
,并提供一个模式***:
from pyspark.sql.types import FloatType
df = spark.createDataFrame([1.0, 2.0, 3.0], FloatType())
df.show()
## +-----+
## |value|
## +-----+
## | 1.0|
## | 2.0|
## | 3.0|
## +-----+
但对于简单的范围,最好使用SparkSession.range
:
from pyspark.sql.functions import col
spark.range(1, 4).select(col("id").cast("double"))
*不再支持 **Spark SQL还对公开
\uuu dict\uu
的Python对象上的模式推断提供了有限的支持
***仅在Spark 2.0或更高版本中支持。Type1-使用反射推断架构
Type2-以编程方式指定架构
类型(字段)
基本上,您需要将int初始化为Row(),然后我们可以使用模式我是个新手。您能解释一下
myFloatRdd.map(lambda x:(x,).toDF()
如何解决这个问题吗?映射(lambda x:(x,)
是否只是将RDD对象转换为行列表?@kasa有元组的推理映射(struct
),没有标量的推理映射。使用第一个选项,可以在同一行中提供列名:RDD.map(lambda x:).toDF(['colName')
Hi!欢迎来到StackOverflow。如果您认为您有什么要添加到已接受的答案中,
请明确说明,不要添加无法解释的代码片段。
from pyspark.sql import Row
# spark - sparkSession
sc = spark.sparkContext
# Load a text file and convert each line to a Row.
orders = sc.textFile("/practicedata/orders")
#Split on delimiters
parts = orders.map(lambda l: l.split(","))
#Convert to Row
orders_struct = parts.map(lambda p: Row(order_id=int(p[0]), order_date=p[1], customer_id=p[2], order_status=p[3]))
for i in orders_struct.take(5): print(i)
#convert the RDD to DataFrame
orders_df = spark.createDataFrame(orders_struct)
from pyspark.sql import Row
# spark - sparkSession
sc = spark.sparkContext
# Load a text file and convert each line to a Row.
orders = sc.textFile("/practicedata/orders")
#Split on delimiters
parts = orders.map(lambda l: l.split(","))
#Convert to tuple
orders_struct = parts.map(lambda p: (p[0], p[1], p[2], p[3].strip()))
#convert the RDD to DataFrame
orders_df = spark.createDataFrame(orders_struct)
# The schema is encoded in a string.
schemaString = "order_id order_date customer_id status"
fields = [StructField(field_name, StringType(), True) for field_name in schemaString.split()]
schema = Struct
ordersDf = spark.createDataFrame(orders_struct, schema)
from pyspark.sql.types import IntegerType, Row
mylist = [1, 2, 3, 4, None ]
l = map(lambda x : Row(x), mylist)
# notice the parens after the type name
df=spark.createDataFrame(l,["id"])
df.where(df.id.isNull() == False).show()